Analisis Kinerja Kompresi Citra Digital dengan Komparasi DWT, DCT dan Hybrid (DWT-DCT)
|
|
- Ida Dharmawijaya
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Aalisis Kierja Kompresi Citra Digital dega Komparasi DWT, DCT da Hybrid (DWT-DCT) Aditya Mahmud Faza 1, Cepy Slamet, Dia Nursatika 3 1,,3 Jurusa Tekik Iformatika, Fakultas Sais da Tekologi Uiversitas Islam Negeri Sua Guug Djati Badug Jl. A.H. Nasutio 105, Badug 061 Idoesia 1 aditya.mahmud@studet.uisgd.ac.id, cepy_lucky@uisgd.ac.id, 3 diaursatika@yahoo.com Abstract Peelitia ii merupaka peelitia tetag peerapa trasformasi diskrit kosius (DCT), trasformasi wavelet diskrit (DWT), da hybrid sebagai peggabuga dari kedua trasformasi sebelumya dalam proses kompresi data citra digital. Proses kompresi dilakuka utuk meeka kosumsi sumber daya memory, mempercepat proses trasmisi citra digital. Proses kompresi yag dilakuka dapat meghasilka ilai mea square, peak sigal to oise ratio da waktu yag dibutuhka utuk proses kompresi dari masig-masig trasformasi. Nilai tersebut sebagai parameter utuk tahap komparasi kompresi sehigga peggua dapat meetuka kierja kompresi dari setiap trasformasi da dapat meetuka jeis trasformasi yag palig baik diguaka utuk proses citra digital. Kata kuci DCT, DWT, hybrid, peak sigal to ratio, mea square error I. PENDAHULUAN Salah satu tekologi pegolaha citra digital yag telah berkembag ialah tekologi kompresi. Kompresi citra digital merupaka upaya utuk melakuka trasformasi terhadap data atau simbol peyusu citra digital mejadi data atau simbol lai. Kompresi harus dilakuka secara efektif, sehigga citra digital yag dihasilka setelah proses kompresi mempuyai ukura yag lebih kecil dibadigka sebelum proses kompresi serta tapa meguragi iformasi utama. Betuk citra yag sudah berkembag mejadi digital da memiliki kualitas semaki baik meutut mausia utuk meyediaka kapasitas media peyimpaa yag tidak sedikit utuk citra tersebut.. Meurut Sutoyo (009) megeai hal kebutuha memori sebagai kriteria pegukura citra digital bahwa biasaya semaki besar presetasi pemampata, semaki kecil kebutuha memori yag diperluka sehigga kualitas citra semaki berkurag da sebalikya, semaki kecil presetasi citra yag dimampatka, semaki bagus kualitas hasil kompresi. Memperkecil ukura dari citra yag baik adalah metode yag dikembagka dalam kompresi citra.[1] Meurut Sutoyo (009), citra hasil kompresi yag baik adalah yag cocok dega kebutuha pegirima da peyimpaa [1]. Biasaya trasmisi ii bayak dilakuka dega cara pegirima dalam jariga. Citra ditrasmisika dalam jariga utuk meyampaika iformasi terhadap orag yag membutuhkaya. Sebuah citra yag memiliki bayak iformasi atau kapasitas besar aka ditrasmisika dalam jariga dega membutuhka sumber daya yag besar juga. Komparasi kompresi citra digital merupaka sebuah cara pembuktia utuk meetuka tekik kompresi maa yag lebih baik utuk diguaka. Diatara bayakya tekik kompresi dega metode trasformasi seperti DCT (Discrete Cosie Trasform), DWT (Discrete Wavelet trasform) da hybrid umumya memiliki tujua yag sama, amu dega berbagai tekik kompresi yag diguaka, maka berbeda pula hasil kompresiya.. Oleh sebab itu, diperluka komparasi terhadap tekik kompresi agar dapat meetuka tekik kompresi yag diguaka sesuai dega tujua yag igi dicapai. II. TINJAUAN PUSTAKA A. Discrete Cosie Trasform DCT adalah sebuah tekik megubah siyal ke dalam kompoe frekuesi dasar. Keuggula DCT walaupu image dikompresi dega lossy compressio tidak aka meumbulka kecurigaa karea metode ii terjadi di domai frekuesi di dalam image, buka pada spasial sehigga tidak aka ada perubaha yag terlihat pada image. Sedagka kekuragaya, DCT tidak taha terhadap perubaha suatu objek dikareaka pesa mudah dihapus karea lokasi peyisipa data da pembuata data dega metode DCT diketahui. 1) Discrete Cosie Trasform 1 Dimesio DCT dari sederet bilaga real d(x), x=0,..., 1, dirumuska sebagai []: 1
2 Barisa d(x) diperoleh lagi dari trasformasiya d(u) dega megguaka Iverse Discrete Cosie Trasform (IDCT), dirumuska sebagai berikut []: d X = 1 x=0 d u C u (x + 1)uμ Keteraga: u = 0, Dimaa C(u) = -0.5 utuk u =0 1 utuk laiya Persamaa di atas meyatakad sebagai kombiasi liier dari basis vector. Koefisie adalah eleme trasformasi d, yag mecermika bayakya setiap frekuesi di dalam masukka d. Gambar 1. Matriks koefisie DCT 8x8 ) Discrete Cosie Trasform Dimesio DCT-D merupaka perbadiga dari DCT-1D, maka trasformasi diskrit dapat diyataka dalam betuk persamaa. Dalam algoritma JPEG, sampel gambari(i, j) dibagi mejadi blok 8x8. Setiap blok ditrasformasi mejadi 8x8 matriks koefisie DCT. Defiisi matematis dari masig-masig blok koefisie didefiisika sebagai [3]: d u,v = C uc v 7 i=0,j =0 I i,j (i + 1)uπ Da output dari ivers DCT (IDCT) adalah: I i,j = C uc v 7 u=0,v=0 d u,v Dimaa Cw didefiisika sebagai : C w = i + 1 uπ 1, if w = 0 1, oterwise (j + 1)vπ j + 1 vπ Seperti ditujukka pada gambar di bawah ii, matriks koefisie dari blok output DCT disusu sebagai betuk zig-zag. B. Discrete Wavelet Trasform Wavelet merupaka keluarga dari turua fugsi tuggal yag ditraslasika da didilatasika []. Betuk umum dari fugsi wavelet adalah:, u 1/ t b a disebut wavelet iduk (mother wavelet) da diguaka utuk medapatka semua turuaya. Piliha umum utuk a da b adalah a = m, b= m,,m Z, dega da m merupaka idek skala da idek traslasi, sehigga didapatka m, t = m / m t DWT selai megguaka fugsi wavelet, juga megguaka dugsi utuk peghalusa citra (image smoothig)[6]. Fugsi skala didilatasika da ditraslasika sebagaimaa persamaa fugsi wavelet, sehigga didapatka m, t = m / m / t Teori aalisis revolusi bayak meyataka baha -1 = V m W m. Ii berarti bahwa 1 adalah kompleme orthogoal utuk dalam -1. Terdapat vektor dalam vektor -1, sehigga vektor da -1 mempuyai ruag waktu yag berbeda[5]. Utuk meghubugka vektor tersebut diguaka suatu filter t dega fugsi skala da filter l dega fugsi wavelet sehigga, t = () (t ) da l = y() (l ) Proses dekomposisi suatu siyal ke dalam aprokmasi da detail, seperti proyeksi x ke V m da W m. Proses ii dapat di peroleh dega melewatka koefisie pada suatu filter melalui proses sub-samplig. Karea citra merupaka du dimesi, sehigga dekomposisi dilakuka terhadap baris da kolom, seperti pada Gambar.
3 Notasi MAX i meujuka ilai maksimum piksel, m da adalah pajag da lebar citra (dalam piksel), (ij) meujuka koordiat masig-masig piksel, w sebagai ilai itesitas cover image, da w adalah ilai itesitas citra hasil kompresi. III. METODE PENELITIAN Gambar. Dekomposisi Bidag Dimesi Proses dekomposisi siyal x dapat dilakuka proses kebalikaya, yaitu dega merekostruksi siyal x dari aproksimasi da detailya. Rekostruksi dilakuka dega melewatka aprokmasi da detail pada filter da meggabugkaya. C. Parameter 1. Mea Square Error (MSE) MSE adalah ilai error kuadrat atara citra asli dega citra terkompresi. Nilai rata-rata darau yag tiggi meadaka tigkat kierja kompresi yag tiggi. MSE berilai 0, maka citra terkompresi dega citra asli memiliki ilai sama pada setiap pixelya da dalam hal ii meadaka kompresi tidak ada. Nilai MSE didapatka dari persamaa: MSE = 1 MN M x=1 ` N y=1 S xy C(xy) Keteraga : - x da y = koordiat citra digital - M da N = dimesi dari citra digital - S xy = stego citra digital - C xy = cover citra digital. Peak Sigal to Noise Ratio (PSNR) PSNR diguaka utuk megukur kualitas citra, selai megguaka huma viual. Parameter PSNR meujuka perbadiga atara ilai maksimum dari siyal yag diukur dega besarya derau yag berpegaruh pada siyal tersebut, diukur dalam satua decibel (db)[5]. Pada peelitia ii, PSNR diguaka utuk megetahui kualitas citra hasil kompresi. Utuk meetuka ilai dari PSNR, terlebih dahulu harus diketahui ilai rata-rata kuadrat dari error yaitu megguaka MSE. Semaki besar parameter PSNR berarti semaki mirip dega citra asli, sedagka ilai MSE aka semaki kecil. Rumus dari PSNR terdapat pada persamaa sebagai berikut: PSNR = 10. log MAX MSE = 0. log MAX i MSE Data yag diguaka dalam peelitia ii ialah citra diam (still image) berwara dega berjumlah 150 citra, diataraya citra yag memiliki resolusi 10 x 10 pixel berjumlah 100 buah citra da citra dega resolusi di atas 10 x 10 berjumlah 50 buah citra. Semua citra tersebut berformat file jpg. Peralata pedukug peelitia adalah seperagkat komputer dega processor Itel Core i3-38m.0 GHz, memori GB DDR, harddisk 50 GB. Peragkat luak pegolaha citra megguaka Eclipse Mars.1. Sesuai dega judul da tujua dair peelitia, bahwasaya tekik yag diguaka dalam kompresi citra ialah tekik trasformasi dega megguaka algoritma DCT, DWT da Hybrid. Berikut dapat dilihat diagram alir dari proses kompresi : Start (1) Iput citra digital Kompresi DCT, DWT, da Hybrid () Peghituga MSE & PSNR Akumulasi waktu & ukura (3) Rekostruksi Citra digital () Ed Gambar 3. Diagram Alir Sistem Kompresi 1. Start Pada tahap ii, yag pertama kali dilakuka adalah mejalaka program yag telah dibuat pada Eclipse. Setelah itu dilakuka proses iput data berupa citra digital yag telah dipersiapka. Pada sistem ii, citra yag dilakuka uji coba adalah citra yag mejadi sample da yag telah dijelaska pada aliea sebelumya. Sumber keseluruha citra uji berasal dari image of google dega keyword : citra jpg 01 x 10 da citra jpg wallpaper full colour. 3
4 . Kompresi DCT, DWT da Hybrid Pada tahap ii, dilakuka proses kompresi megguaka semua algoritma secara bergatia utuk 1 citra. Pertama melakuka kompresi citra dega algoritma DCT terhadap citra uji, kemudia melakuka kompresi dega algoritma DWT terhadap citra uji da begitupu dega algoritma hybrid, sehigga masig-masig memiliki hasil kompresi citra yag berbeda atas citra uji. 3. Peghituga da Akumulasi Pada tahap ii dilakuka proses peghituga ilai dari MSE da PSNR utuk masig masig algoritma. Peghituga tersebut dilakuka dega cara membadigka ilai dari citra hasil kompresi dari masig-masig algortima dega citra uji yag sama. Nilai MSE da PSNR diguaka utuk proses aalisis citra kompresi sehigga dapat dibadigka da dapat pula meetuka algoritma terbaik utuk kompresi data citra. Selai tahap peghituga ilai MSE da PSNR, terdapat proses akumulasi waktu da ukura citra digital. Fugsi daripada proses ii ialah agar dapat meetuka tigkat kierja algoritma dalam proses kompresi. Waktu utuk satu algoritma dimulai ketika proses kompresi dega algoritma tersebut dimulai da berakhir ketika proses kompresi selesai, da begitupu dega algoritma laiya. Akumulasi waktu dapat meetuka tigkat kierja kompresi, semaki lama waktu yag dibutuhka utu kompresi meadaka tigkat kerja kompresi yag tiggi. Selai aktu, ada pula akumulasi ukura citra terkompresi. Fugsi akumulasi dari ukura file citra erat kaitaya dega tigkat optimasi memori file da trasmisi data citra. Semaki besar rasio kompresi meadaka tigkat optimasi memori file yag baik sehigga citra yag dihasilka dapat ditrasmisika dega cepat.. Rekostruksi Citra Digital Proses terakhir dimaa didapatka citra keluara yag tersimpa dalam format yag sama yaitu jpg. Dari hasil tersebut dapat dilihat ukura file citra berdasarka blokblok yag telah di uji cobaka agar dapat melakuka aalisis terhadap optimasi memori file dari citra hasil kompresi. IV. PEMBAHASAN Hasil uji coba proses kompresi dega ketiga algoritma meujuka perubaha ukura yag berbeda, waktu yag dibutuhka berbeda pula, begitupu dega ilai MSE da PSNR utuk satu citra uji. Hasil kompresi berdasarka kesamaa blok yaitu sama-sama megguaka blok 8x8. Dilakuka aalisis terhadap semua parameter yag telah ditetapka yag hasil uji ii duguaka utuk mearik kesimpula pada peelitia ii. Berikut cotoh hasil uji kompresi dari citra dega pembagia kategori dari semua sample yaitu citra dega resolusi 10 x 10 dega ukura di bawah 1 MB da citra dega resolusi di atas 10 x 10 dega ukura di atas 1 MB: Rata-rata (150 data uji) Tabel 1. Hasil uji coba Algo MSE PSNR Waktu Rasio (db) (db) (detik) (%) DCT DWT Hybrid Dari hasil rata-rata dari 150 data citra uji, maghasilka ilai MSE dari ketiga algoritma. Nilai MSE yag baik ialah memiliki ilai palig redah, karea semaki redah ilai MSE maka ilai rata-rata kerusaka tidak besar da citra tidak bayak kehilaga iformasi. Sedagka ilai PSNR yag baik ialah memiliki ilai tertiggi, karea semaki tiggi ilai PSNR maka ilai kualitas semaki tiggi da citra terkompresi semaki medekati citra asliya. Berikut grafik dari ilai MSE da PSNR hasil kompresi: Gambar. Grafik Nilai Rata-rata MSE da PSNR Mejawab permasalaha terkait optimasi memori da trasmisi data citra erat kaitaya dega besara rasio kompresi yag dihasilka. Berikut grafik dari rata-rata ilai rasio kompresi dari semua algoritma : Gambar 5. Grafik Nilai Rata-rata Rasio Kompresi Selai MSE, PSNR da rasio kopresi, terdapat parameter waktu yag dapat meetuka tigkat kierja kompresi utuk masig-masig algoritma. Semaki lama
5 peroleha waktu dalam proses kompresi meadaka proses yag membutuhka teaga yag tiggi sama dapat diartika bahwa algortima tersebut membutuhka kierja yag tiggi pula. Berikut grafik perbadiga waktu dari hasil rata rata kompresi : perbadiga algoritma, waktu terpedek mejadi waktu terbaik utuk dipilih. Waktu terpedek utuk proses kompresi ditujuka oleh algoritma DWT dega rata-rata waktu kompresi.71 detik. Waktu tercepat kedua didapat oleh algoritma Hybrid dega rata-rata waktu kompresi.9 detik. Berdasarka permasalaha peelitia megeai efisiesi media peyimpaa da trasmisi citra digital, maka dapat disimpulka bahwa algoritma yag tapat utuk dipilih adalah algoritma dega ilai rasio kompresi tertiggi yaitu algoritma Hybrid, sedagka utuk metode terbaik dilihat dari ilai MSE yag redah, PSNR yag tiggi, rasio kompresi yag tiggi da waktu yag palig cepat. Algoritma memeuhi syarat tersebut yaitu algoritma DWT. REFERENSI Gambar 5. Grafik Nilai Rata-rata Rasio Kompresi Peroleha waktu palig tiggi terdapat pada algoritma DCT dega peroleha rata-rata waktu sebesar.1 detik, lalu dilajutka algoritma Hybrid dega peroleha rata-rata waktu sebesar.9 detik da yag terakhir adalah algoritma DWT dega peroleha rata-rata waktu sebesar.71 detik. V. KESIMPULAN Berdasarka peelitia yag telah dilakuka, maka dapat disimpulka beberpa hal sebagai berikut: 1. Algoritma Discrete Cosie Trasform (DCT), Discrete Wavelet Trasform (DWT) da Hybrid (DCT-DWT) dapat megkompresi file citra digital dega ekstesi file jpg;. Semaki redah ilai MSE meadaka semaki baik kulitas citra terkompresi. Hasil aalisisi pada bab sebelumya, algoritma DWT memiliki ilai MSE teredah dega ilai rata-rata MSE sebesar 8.0 db, da DCT memiliki ilai teredah kedua dega ilai MSE sebesar 8.55 db; 3. Semaki tiggi ilai PSNR maka semaki baik kualitas citra terkompresi. Hasil aalisis megeai ilai PSNR pada bab sebelumya, algoritma DWT memiliki ilai PSNR tertiggi dega ilai rata-rata PSNR sebesar db, da DCT memiliki ilai tertiggi kedua dega ilai PSNR sebesar db;. Tigkat efesie memori file hasil kompresi diukur dari besarya rasio kompresi yag dihasilka. Semaki besar ilai rasio kompresi meadaka semaki efisie memori hasil kompresi. Algoritma Hybrid memiliki ilai rata-rata rasio kompresi tertiggi dega ilai sebesar %. Besarya prosetase kompresi Hybrid mejadika hasil kompresi memiliki ukura file palig kecil. 5. Lamaya waktu yag dibutuhka kompresi meadaka proses kierja kompresi yag membutuhka eergi yag besar. Dalam kasus [1] Sutoyo, T, dkk. 009.Teori Pegolaha Citra Digital. Yogyakarta : Peerbit Adi. [] Shofiyah, Studi Perbadiga Kompresi Megguaka Metode Descrete Cosie Trasform (DCT) da Descrete Wavelet Trasform (DWT) pada Citra Digital, Skripsi Tekik Iformatika Uiversitas Islam Negeri Maulaa Malik Ibrahim, Malag, 010. [3] Chug-Mig Kuo, Nai-Chug Yag, Chih-Sha Liu, Jig-Ya Li, ad Fu-Ya Che, Global Image Ehacemet i DCT Domai, IEEE, pp.51-55, 010. [] Sjoblom, Erik. (00), Compressio of Medical Image Stacks usig Wavelets ad Zero-Tree Codig,Thesis, Eglish, Likopig Uiversity. [5] Philips, W. J. (003), Wavelets ad Filter Baks Course Notes. [6] Pressma, Roger S. 00. Rekayasa Peragkat Luak : Pedekata Praktisi (Buku Satu). Yogyakarta : Adi Offset. [7] Priyata, F Pemrograma Adroid utuk Pemula. Jakarta : Pembuka Cakrawala. [8] Safaat H. Nazruddi. 01. Pemrograma Aplikasi Mobile Smartphoe da Tablet PC berbasis Adroid. Badug : Iformatika. [9] Nugroho, Adi Rekayasa Peragkat Luak Berbasis Objek dega Metode USDP. Yogyakarta : Adi. [10] Al Fatta, Haif Aalisis da Peracaga Sistem Iformasi. Yogyakarta: Adi. [11] Neta, Maria Rosli Apriai Perbadiga Algoritma Kompresi Terhadap Objek Citra Megguaka JAVA. 5
BAB IV PEMBAHASAN DAN ANALISIS
BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk
Lebih terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat
BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuha Sistem Sebelum melakuka deteksi da trackig obyek dibutuhka peragkat luak yag dapat meujag peelitia. Peragkat keras da luak yag diguaka dapat dilihat pada Tabel
Lebih terperinciAplikasi Interpolasi Bilinier pada Pengolahan Citra Digital
Aplikasi Iterpolasi Biliier pada Pegolaha Citra Digital Veriskt Mega Jaa - 35408 Program Studi Iformatika Sekolah Tekik Elektro da Iformatika Istitut Tekologi Badug, Jl. Gaesha 0 Badug 403, Idoesia veriskmj@s.itb.ac.id
Lebih terperinciBAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:
BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sebagai hasil penelitian dalam pembuatan modul Rancang Bangun
47 BAB IV HASIL DAN PEMBAHASAN Sebagai hasil peelitia dalam pembuata modul Racag Bagu Terapi Ifra Merah Berbasis ATMega8 dilakuka 30 kali pegukura da perbadiga yaitu pegukura timer/pewaktu da di badigka
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI0939 APLIKASI PERBAIKAN KONTRAS PADA CITRA RADIOGRAFI GIGI MENGGUNAKAN KOMBINASI METODE HISTOGRAM EQUALIZATION DAN FAST GRAY LEVEL GROUPING (Kata kuci: Fast gray level groupig,
Lebih terperinciIII. METODE PENELITIAN. Lokasi penelitian dilakukan di Provinsi Sumatera Barat yang terhitung
42 III. METODE PENELITIAN 3.. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di Provisi Sumatera Barat yag terhitug mulai miggu ketiga bula April 202 higga miggu pertama bula Mei 202. Provisi Sumatera
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4
Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika
Lebih terperinciBAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)
BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciIV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT
Vol. 6. No., 97-09, Agustus 003, ISSN : 40-858 METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak Tulisa ii membahas peetua persamaa ruag
Lebih terperinciBAB 2 LANDASAN TEORI. linear antara atom-atom (tiap kolom dalam matriks sebuah dictionary), dengan
BAB 2 LADASA TEORI 2.1 Represetasi da Sparsity Represetasi siyal adalah suatu koefisie yag meyataka suatu siyal dalam betuk siyal basis. Represetasi siyal diperoleh dari hubuga kombiasi liear atara atom-atom
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih terperinciBAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:
4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap
Lebih terperinciII. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang
II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori
Lebih terperinciI. DERET TAKHINGGA, DERET PANGKAT
I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da
Lebih terperinciBAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy
BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag
Lebih terperinciANALISIS PERBANDINGAN METODE INTENSITY FILTERING DENGAN METODE FREQUENCY FILTERING SEBAGAI REDUKSI NOISE PADA CITRA DIGITAL
Semiar Nasioal Aplikasi Tekologi Iformasi 2007 (SNATI 2007) ISSN: 1907-5022 Yogyakarta, 16 Jui 2007 ANALISIS PERBANDINGAN METODE INTENSITY FILTERING DENGAN METODE FREQUENCY FILTERING SEBAGAI REDUKSI NOISE
Lebih terperinci3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder
3. Ragkaia Logika Kombiasioal da Sequesial Ragkaia Logika secara garis besar dibagi mejadi dua, yaitu ragkaia logika Kombiasioal da ragkaia logika Sequesial. Ragkaia logika Kombiasioal adalah ragkaia yag
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5
III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut
Lebih terperinciBAB I PENDAHULUAN. X Y X Y X Y sampel
BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Aalisis regresi merupaka metode aalisis data yag meggambarka hubuga atara variabel respo dega satu atau beberapa variabel prediktor. Aalisis regresi tersebut
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI III.1 Peambaga Teks (Text Miig) Text Miig memiliki defiisi meambag data yag berupa teks dimaa sumber data biasaya didapatka dari dokume, da tujuaya adalah mecari kata-kata yag dapat
Lebih terperinciIII. METODE PENELITIAN
9 III. METODE PENELITIAN A. Lokasi da Objek Peelitia Peelitia ii dilakuka di RPH Tejo Petak 10i, BKPH Parug Pajag KPH Bogor, Perum Perhutai Uit III Jawa Barat da Bate. Objek peelitia adalah waktu kerja
Lebih terperinciBAB III METODE PENELITIAN
22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka
Lebih terperinciBAB 1 PENDAHULUAN. Bagi Negara yang mempunyai wilayah terdiri dari pulau-pulau yang dikelilingi lautan,
BAB 1 PENDAHULUAN 1.1 Latar Belakag Bagi Negara yag mempuyai wilayah terdiri dari pulau-pulau yag dikeliligi lauta, laut merupaka saraa trasportasi yag dimia, sehigga laut memiliki peraa yag petig bagi
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-31
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: 230-928X D-3 Optimasi Multirespo Metode Taguchi dega Pedekata Quality Loss Fuctio (Study Kasus Proses Pembakara CO da Temperatur Gas Buag Pada Boiler
Lebih terperinciBAB III METODOLOGI PENELITIAN
22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,
Lebih terperinciBAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa
54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah
Lebih terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih terperinciPROSIDING ISBN:
S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas
Lebih terperinciAplikasi Pengenalan Pola pada Citra Bola Sebagai Dasar Pengendalian Gerakan Robot
Jural Emitor Vol.16 No. 02 ISSN 1411-8890 Aplikasi Pegeala Pola pada Citra Bola Sebagai Dasar Pegedalia Geraka Robot Ratasari Nur Rohmah Jurusa Tekik Elektro Uiversitas Muhammadiyah Surakarta (UMS) Surakarta,
Lebih terperinciPOSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan
POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da
Lebih terperinciBAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian
BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I
7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3
Lebih terperinciPENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA SAMPLING GANDA
PEAKSIR RASIO UTUK RATA-RATA POPULASI MEGGUAKA KOEFISIE VARIASI DA KOEFISIE KURTOSIS PADA SAMPLIG GADA Heru Agriato *, Arisma Ada, Firdaus Mahasiswa Program S Matematika Dose Jurusa Matematika Fakultas
Lebih terperinciBAB III METODOLOGI PENELITIAN
31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinci= Keterkaitan langsung ke belakang sektor j = Unsur matriks koefisien teknik
Aalisis Sektor Kuci Dimaa : KLBj aij = Keterkaita lagsug ke belakag sektor j = Usur matriks koefisie tekik (b). Keterkaita Ke Depa (Forward Ligkage) Forward ligkage meujukka peraa suatu sektor tertetu
Lebih terperinciPENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno
sutiko PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK Sutiko Program Studi Tekik Iformatika Fakultas Sais da Matematika UNDIP tik@udip.ac.id
Lebih terperinciKompleksitas dari Algoritma-Algoritma untuk Menghitung Bilangan Fibonacci
Kompleksitas dari Algoritma-Algoritma utuk Meghitug Bilaga Fiboacci Gregorius Roy Kaluge NIM : 358 Program Studi Tekik Iformatika, Istitut Tekologi Badug Jala Gaesha, Badug e-mail: if8@studets.if.itb.ac.id,
Lebih terperinciIII BAHAN DAN METODE PENELITIAN. memelihara itik Damiaking murni di Kampung Teras Toyib Desa Kamaruton
III BAHAN DAN METODE PENELITIAN 3.1 Baha da Alat Peelitia 3.1.1 Telur Tetas Itik Damiakig Baha yag diguaka dalam peelitia ii adalah telur tetas itik Damiakig berasal dari iduk yag dipelihara secara ekstesif
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Lokasi da Waktu Pegambila Data Pegambila data poho Pius (Pius merkusii) dilakuka di Huta Pedidika Guug Walat, Kabupate Sukabumi, Jawa Barat pada bula September 2011.
Lebih terperinci6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi
6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperinciBAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28
5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and
BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia pegembaga (research ad developmet), yaitu suatu proses peelitia utuk megembagka suatu produk. Produk yag dikembagka dalam peelitia
Lebih terperinciBAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.
BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Metodologi peelitia berasal dari kata metode yag artiya cara yag tepat utuk melakuka sesuatu, da logos yag artiya ilmu atau pegetahua. Jadi metodologi artiya cara melakuka sesuatu
Lebih terperincib. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:
Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. : Lux meter dilengkapi sensor jarak berbasis arduino. : panjang 15,4 cm X tinggi 5,4 cm X lebar 8,7 cm
BAB IV HASIL DAN PEMBAHASAN 4.1. Spesifikasi Alat Nama Alat Tegaga Ukura Berat : Lux meter dilegkapi sesor jarak berbasis arduio : 5 V (DC) : pajag 15,4 cm tiggi 5,4 cm lebar 8,7 cm : 657 gram 4.. Gambar
Lebih terperinciUkuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus
-Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih terperinciBab 3 Metode Interpolasi
Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui
Lebih terperinciBAB III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain
BAB III METODE PENELITIAN 3.1 Desai Peelitia Dalam melakuka peelitia, terlebih dahulu meetuka desai peelitia yag aka diguaka sehigga aka mempermudah proses peelitia tersebut. Desai peelitia yag diguaka
Lebih terperinciBab 7 Penyelesaian Persamaan Differensial
Bab 7 Peelesaia Persamaa Differesial Persamaa differesial merupaka persamaa ag meghubugka suatu besara dega perubahaa. Persamaa differesial diataka sebagai persamaa ag megadug suatu besara da differesiala
Lebih terperinciBAB II TEORI MOTOR LANGKAH
BAB II TEORI MOTOR LANGKAH II. Dasar-Dasar Motor Lagkah Motor lagkah adalah peralata elektromagetik yag megubah pulsa digital mejadi perputara mekais. Rotor pada motor lagkah berputar dega perubaha yag
Lebih terperinciBAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum
BAB II TEORI DASAR 2.1 Aljabar Liier Defiisi 2. 1. 1 Grup Himpua tak kosog G disebut grup (G, ) jika pada G terdefiisi operasi, sedemikia rupa sehigga berlaku : a. Jika a, b eleme dari G, maka a b eleme
Lebih terperinciBAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang
BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya
Lebih terperinciBAB III METODE PENELITIAN
36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.
Lebih terperinciSISTEM SELEKSI KEMATANGAN BUAH TOMAT WAKTU-NYATA BERBASIS NILAI RGB
ISSN: 1693-6930 211 SISTEM SELEKSI KEMATANGAN BUAH TOMAT WAKTU-NYATA BERBASIS NILAI RGB M. Riza Ferdiasyah, Kartika Firdausy, Tole Sutiko Program Studi Tekik Elektro, Uiversitas Ahmad Dahla Kampus III
Lebih terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperinciPENENTUAN PANJANG GELOMBANG MAKSIMUM DAN KONSENTRASI CAMPURAN MENGGUNAKAN DUA JENIS SPEKTROFOTOMETRI UV-VIS
Lapora Praktikum Aalisis Istrumetal 2014 PENENTUAN PANJANG GELOMBANG MAKSIMUM DAN KONSENTRASI CAMPURAN MENGGUNAKAN DUA JENIS SPEKTROFOTOMETRI UV-VIS Norma Nur Azizah 1, Wula Suci P, Mohamad Rafi 1 Departeme
Lebih terperinciIII. METODE PENELITIAN
30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.
Lebih terperinciIII. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain
III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya
Lebih terperinciMETODE PENELITIAN. Penelitian tentang Potensi Ekowisata Hutan Mangrove ini dilakukan di Desa
III. METODE PENELITIAN A. Lokasi da Waktu Peelitia Peelitia tetag Potesi Ekowisata Huta Magrove ii dilakuka di Desa Merak Belatug, Kecamata Kaliada, Kabupate Lampug Selata. Peelitia ii dilaksaaka atara
Lebih terperinciBAB III METODOLOGI 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 3.3 Metode Pengumpulan Data Pembuatan plot contoh
BAB III METODOLOGI 3.1 Tempat da Waktu Peelitia Pegambila data peelitia dilakuka di areal revegetasi laha pasca tambag Blok Q 3 East elevasi 60 Site Lati PT Berau Coal Kalimata Timur. Kegiata ii dilakuka
Lebih terperinciPerbandingan Beberapa Metode Pendugaan Parameter AR(1)
Jural Vokasi 0, Vol.7. No. 5-3 Perbadiga Beberapa Metode Pedugaa Parameter AR() MUHLASAH NOVITASARI M, NANI SETIANINGSIH & DADAN K Program Studi Matematika Fakultas MIPA Uiversitas Tajugpura Jl. Ahmad
Lebih terperinciBAB I KONSEP DASAR PERSAMAAN DIFERENSIAL
BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL Defiisi Persamaa diferesial adalah persamaa yag melibatka variabelvariabel tak bebas da derivatif-derivatifya terhadap variabel-variabel bebas. Berikut ii adalah
Lebih terperinci3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian
19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciBAB IV PENELITIAN. menggunakan sensor mekanik limit switch sebagai mekanis hitungnya
BAB IV PENELITIAN 4.1 Spesifikasi Alat Coloy couter didesai khusus agar diperutuka bagi user utuk membatu meghitug sekaligus megaalisa jumlah media dega megguaka sesor mekaik limit switch sebagai mekais
Lebih terperinciPENGGUNAAN ARTIFICIAL NEURAL NETWORK UNTUK PREDIKSI TEGANGAN PADA BALOK KASTELA HEKSAGONAL BENTANG 1 METER (001S)
PENGGUNAAN ARTIFICIAL NEURAL NETWORK UNTUK PREDIKSI TEGANGAN PADA BALOK KASTELA HEKSAGONAL BENTANG METER (00S) Ahmad Muhtarom Jurusa Tekik Sipil, Uiversitas Sriwijaya, Jl. Raya Palembag-Prabumulih KM.3
Lebih terperinciBAB IV ANALISIS KERJA PRAKTEK
BAB IV ANALISIS KERJA PRAKTEK 4.1. Aalisis Sistem 4.1.1. Aalisis Dokume Aalisis dokume bertujua utuk megetahui spesifikasi iformasi yag ada dalam sistem yag dipakai utuk dokume. Dokumedokume tersebut diataraya
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di halaman Pusat Kegiatan Olah Raga (PKOR) Way Halim Bandar Lampung pada bulan Agustus 2011.
III. METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di halama Pusat Kegiata Olah Raga (PKOR) Way Halim Badar Lampug pada bula Agustus 2011. B. Objek da Alat Peelitia Objek peelitia
Lebih terperinciProbabilitas dan Statistika Teorema Bayes. Adam Hendra Brata
robabilitas da Statistika Teorema ayes dam Hedra rata Itroduksi - Joit robability Itroduksi Teorema ayes eluag Kejadia ersyarat Jika muculya mempegaruhi peluag muculya kejadia atau sebalikya, da adalah
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa
Lebih terperinciANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo
ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN 2010 Erie Sadewo Kodisi Makro Ekoomi Kepulaua Riau Pola perekoomia suatu wilayah secara umum dapat diyataka meurut sisi peyediaa (supply), permitaa
Lebih terperinciMETODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa
19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh
Lebih terperinciKeterkaitan Karakteristik Pergerakan di Kawasan Pinggiran Terhadap Kesediaan Menggunakan BRT di Kota Palembang
C463 Keterkaita Karakteristik di Kawasa Piggira Terhadap Kesediaa Megguaka BRT di Kota Palembag Dia Nur afalia, Ketut Dewi Martha Erli Hadayei Departeme Perecaaa Wilayah da Kota, Fakultas Tekologi Sipil
Lebih terperinciPENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT
Prosidig Semiar Nasioal Matematika da Terapaya 06 p-issn : 0-0384; e-issn : 0-039 PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Liatus
Lebih terperinciBAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI
BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
Lebih terperinciPENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
Lebih terperinciSTUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN
STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN Supriadi Putra, M,Si Laboratorium Komputasi Numerik Jurusa Matematika FMIPA Uiversitas Riau e-mail : spoetra@yahoo.co.id ABSTRAK Makalah ii
Lebih terperinciIII BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25
18 III BAHAN DAN METODE PENELITIAN 3.1 Baha Peelitia 3.1.1 Objek Peelitia Terak yag diguaka dalam peelitia ii adalah kuda berjumlah 25 ekor terdiri dari 5 jata da 20 betia dega umur berkisar atara 10 15
Lebih terperinciBAB 2 LANDASAN TEORITIS
BAB LANDAAN TEORITI.. Deskripsi Teori... Aalisis Ragam Multivariate Yag dimaksud dega aalisis ragam multivariate (multivariate aalysis of variace MANOVA) meurut Gaspersz (99, p486) adalah suatu pegembaga
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinciPENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN
PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas
Lebih terperinciPENAKSIR RANTAI RASIO DAN RANTAI PRODUK YANG EFISIEN UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA
PENAKSIR RANTAI RASIO DAN RANTAI PRODUK YANG EFISIEN UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA V. M. Vidya *, Bustami, R. Efedi Mahasiswa Program S Matematika Dose Jurusa Matematika
Lebih terperinciBAB IV PENELITIAN Gambar Alat Untuk gambar alat dapat dilihat pada gambar 4.1. dibawah ini: Gambar 4.1. Modul Alat Tugas Akhir
43 BAB IV PENELITIAN 4.1. Spesifikasi Alat Nama Alat : Had dryer Dilegkapi Dega UV Steril da Pompa Caira Sabu Otomatis. Tegaga : 0 V Frekuesi : 50-60 Hz Daya : 350 Watt 4.. Gambar Alat Utuk gambar alat
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Alat terapi ini menggunakan heater kering berjenis fibric yang elastis dan
BAB IV HASIL DAN PEMBAHASAN 4.1. Spesifikasi Alat Alat terapi ii megguaka heater kerig berjeis fibric yag elastis da di bugkus dega busa, pasir kuarsa, da kai peutup utuk memberi isolator terhadap kulit
Lebih terperinciIII. METODE PENELITIAN. Variabel X merupakan variabel bebas adalah kepemimpinan dan motivasi,
7 III. METODE PENELITIAN 3.1 Idetifikasi Masalah Variabel yag diguaka dalam peelitia ii adalah variabel X da variabel Y. Variabel X merupaka variabel bebas adalah kepemimpia da motivasi, variabel Y merupaka
Lebih terperinci